sklearn(八)计算多分类任务中每个类别precision、recall、f1的分类报告classification |
您所在的位置:网站首页 › 多分类 recall › sklearn(八)计算多分类任务中每个类别precision、recall、f1的分类报告classification |
1.classification_report()是什么?
sklearn中的classification_report函数用于显示主要分类指标的文本报告.在报告中显示每个类的精确度,召回率,F1值等信息。 主要参数: y_true:1维数组,或标签指示器数组/稀疏矩阵,目标值。 y_pred:1维数组,或标签指示器数组/稀疏矩阵,分类器返回的估计值。 labels:array,shape = [n_labels],报表中包含的标签索引的可选列表。 target_names:字符串列表,与标签匹配的可选显示名称(相同顺序)。 sample_weight:类似于shape = [n_samples]的数组,可选项,样本权重。 digits:int,输出浮点值的位数. 2.classification_report用法示例: from sklearn.metrics import classification_report y_true = [0, 1, 2, 2, 2] y_pred = [0, 0, 2, 2, 1] target_names = ['class 0', 'class 1', 'class 2'] print(classification_report(y_true, y_pred, target_names=target_names))输出: precision recall f1-score support class 0 0.50 1.00 0.67 1 class 1 0.00 0.00 0.00 1 class 2 1.00 0.67 0.80 3 avg / total 0.70 0.60 0.61 5其中列表左边的一列为分类的标签名,右边support列为每个标签的出现次数.avg / total行为各列的均值(support列为总和). precision recall f1-score三列分别为各个类别的精确度/召回率及 F1 F1值. |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |